公开(公告)号：CN114187467A

公开(公告)日：2022-03-15

申请号：CN202111329957.7

申请日：2021-11-11

Applicant: 电子科技大学

Inventor： 田淼 ,  梁文莹 ,  曾书勋 ,  康昭 ,  张映辉 ,  刘欣刚 ,  吴少智 ,  田丹

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于CNN模型的肺结节良恶性分类方法及装置，所述方法包括获取肺结节CT扫描图像数据并对图像数据进行预处理；将预处理后的肺结节CT扫描图像数据输入到训练好的CNN神经网络模型中，CNN神经网络模型对肺结节CT扫描图像数据依次进行多层特征提取、双线性池化以及分类处理，得到结节的不同CT扫描图像数据的分类结果；将同一结节不同CT扫描图像数据的分类结果进行融合，确定结节的良恶性。本发明通过卷积神经网络的卷积层的深层和浅层分别提取多层特征，然后经过双线性池化进行特征融合，最后将双线性池化融合后的特征输入到支持向量机中得到分类结果，本申请旨在融合并增强相似特征，以增强对分类目标细微差别的区分能力。

公开(公告)号：CN114187467B

公开(公告)日：2023-04-28

申请号：CN202111329957.7

申请日：2021-11-11

Applicant: 电子科技大学

Inventor： 田淼 ,  梁文莹 ,  曾书勋 ,  康昭 ,  张映辉 ,  刘欣刚 ,  吴少智 ,  田丹

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于CNN模型的肺结节良恶性分类方法及装置，所述方法包括获取肺结节CT扫描图像数据并对图像数据进行预处理；将预处理后的肺结节CT扫描图像数据输入到训练好的CNN神经网络模型中，CNN神经网络模型对肺结节CT扫描图像数据依次进行多层特征提取、双线性池化以及分类处理，得到结节的不同CT扫描图像数据的分类结果；将同一结节不同CT扫描图像数据的分类结果进行融合，确定结节的良恶性。本发明通过卷积神经网络的卷积层的深层和浅层分别提取多层特征，然后经过双线性池化进行特征融合，最后将双线性池化融合后的特征输入到支持向量机中得到分类结果，本申请旨在融合并增强相似特征，以增强对分类目标细微差别的区分能力。